ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์
บทความนี้จะอธิบายฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์และการใช้งานใน Tableau อีกทั้งยังสาธิตให้เห็นภาพด้วยตัวอย่างวิธีการสร้างการคำนวณตารางโดยใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์
เพราะเหตุใดถึงใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์
ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ช่วยให้คุณสร้างการคาดการณ์ได้โดยเร็ว ซึ่งการคาดการณ์สามารถจัดการ แสดงเป็นภาพ และส่งออกได้เช่นเดียวกับข้อมูลโดยใช้การคำนวณตาราง
ครั้งก่อนคุณอาจต้องผสานรวม Tableau กับ R และ Python เพื่อดำเนินการคำนวณทางสถิติขั้นสูงและประดิษฐ์ภาพใน Tableau คราวนี้คุณสามารถเลือกเป้าหมายและตัวคาดการณ์ได้โดยอัปเดตตัวแปรและประดิษฐ์ภาพแบบจำลองหลายแบบด้วยชุดค่าผสมต่างๆ ของตัวคาดการณ์ ข้อมูลสามารถถูกกรอง รวม และแปลงได้ทุกระดับของรายละเอียด โดยอินพุตและการคาดการณ์จะคำนวณใหม่โดยอัตโนมัติเพื่อให้ตรงกับข้อมูลในมุมมอง
หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ใน Tableau โปรดดู การทำงานของฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์ใน Tableau
ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์พร้อมให้ใช้งานใน Tableau
MODEL_PERCENTILE
ไวยากรณ์ | MODEL_PERCENTILE(
|
คำนิยาม | แสดงผลความน่าจะเป็น (ระหว่าง 0 ถึง 1) ของค่าที่คาดหวังซึ่งน้อยกว่าหรือเท่ากับเครื่องหมายที่สังเกตได้ ซึ่งกำหนดโดยนิพจน์เป้าหมายและตัวคาดการณ์อื่นๆ นี่คือฟังก์ชันการแจกแจงแบบคาดการณ์ภายหลัง หรือที่เรียกว่าฟังก์ชันการกระจายสะสม (CDF) |
ตัวอย่าง | MODEL_PERCENTILE( SUM([Sales]),COUNT([Orders])) |
MODEL_QUANTILE
ไวยากรณ์ | MODEL_QUANTILE(
|
คำนิยาม | แสดงผลค่าตัวเลขเป้าหมายภายในช่วงที่น่าจะเป็นซึ่งกำหนดโดยนิพจน์เป้าหมายและตัวคาดการณ์อื่นๆ ที่ควอนไทล์ที่ระบุ นี่คือควอนไทล์แบบคาดการณ์ภายหลัง |
ตัวอย่าง | MODEL_QUANTILE(0.5, SUM([Sales]), COUNT([Orders])) |
สร้างการคำนวณการคาดการณ์
ดำเนินการตามขั้นตอนด้านล่างเพื่อเรียนรู้วิธีสร้างการคำนวณการคาดการณ์อย่างง่ายโดยใช้ฟังก์ชัน MODEL_QUANTILE ดูตัวอย่างโดยละเอียดเพิ่มเติมได้ที่ตัวอย่าง - สำรวจอายุคาดเฉลี่ยของเพศหญิงด้วยฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์
ขั้นตอนที่ 1: สร้างการแสดงเป็นภาพ
- ใน Tableau Desktop ให้เชื่อมต่อกับแหล่งข้อมูลที่บันทึกไว้ ตัวอย่าง - Superstore ที่มาพร้อมกับ Tableau
- ไปยังเวิร์กชีต
- จากแผงข้อมูล ให้ลากมิติข้อมูลวันที่สั่งซื้อ ไปยังแถบคอลัมน์
- เปิดเมนูบริบทของการวัดผลเพื่อเปลี่ยนระดับรายการเป็นเดือนและปี
- ลากยอดขายไปยังแผงแถว
ขั้นตอนที่ 2: สร้างฟิลด์ที่คำนวณ
- คลิกเพื่อเปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ
- ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:
- ตั้งชื่อการคำนวณให้เป็นคาดการณ์ยอดขายเฉลี่ย
- ป้อนสูตรต่อไปนี้:
MODEL_QUANTILE(0.5, SUM([Sales]),ATTR(DATETRUNC('month', [Order Date])))
ข้อควรจำ: ฟังก์ชัน MODEL_QUANTILE จะใช้ควอนไทล์ที่กำหนดและคาดการณ์ค่าตามตัวคาดการณ์ที่คุณป้อน
อธิบายโดยละเอียดได้ดังนี้
- ในกรณีนี้ ควอนไทล์ = 0.5 ซึ่งคาดการณ์ค่ามัธยฐาน
- เราต้องการคาดการณ์ยอดขาย ดังนั้นนิพจน์เป้าหมายคือ SUM([Sales])
- เราต้องการให้การคาดการณ์อิงจากประสิทธิภาพที่ผ่านมาเป็นหลัก ดังนั้นเราจึงใส่วันที่เป็นตัวคาดการณ์ ซึ่งเป็นอาร์กิวเมนต์สุดท้ายในการคำนวณ
- เมื่อเสร็จแล้ว ให้คลิกตกลง
การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว
ขั้นตอนที่ 3: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง
- ลากการคำนวณการคาดการณ์ไปยังแผงแถวทางด้านขวาของ SUM(Sales)
- คลิกขวา (Ctrl แล้วคลิกบน Mac) ที่การวัดผลแล้วเลือกแกนคู่
- วืธีจัดตำแหน่งแกนสองแกนในแผนภูมิแกนคู่ให้ใช้มาตราส่วนเดียวกัน คือ คลิกขวา (กด Control แล้วคลิกบน Mac) ที่แกนรองซึ่งในกรณีนี้คือคาดการณ์ยอดขายเฉลี่ย แล้วเลือกซิงโครไนซ์แกน นี่จะตรงกับขนาดของสองแกน
ทั้งหมดเสร็จสิ้นเพียงเท่านี้ หากต้องการทราบวิธีขยายแกนวันที่และคาดการณ์อนาคต โปรดดูฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ในการแสดงข้อมูลอนุกรมเวลาเป็นภาพ
กฎของการคำนวณการคาดการณ์
- คุณไม่สามารถผสมอาร์กิวเมนต์แบบรวมและแบบไม่รวมได้ หากนิพจน์เป้าหมายเป็นแบบรวม ตัวคาดการณ์ก็ต้องเป็นแบบรวมเช่นกัน
- ฟังก์ชันดังกล่าวเหมาะที่จะใช้ในการคาดการณ์ค่าสำหรับระเบียนแต่ละรายการบนการแสดงเป็นภาพต่างๆ ที่แต่ละเครื่องหมายคอยแสดงถึงเอนทิตีที่ไม่เกี่ยวเนื่องกัน เช่น บุคคล ผลิตภัณฑ์ ยอดขาย ฯลฯ
- ฟังก์ชันดังกล่าวเหมาะที่จะใช้ในการคาดการณ์ค่าสำหรับนิพจน์เป้าหมายแบบรวมโดยใช้ SUM และ COUNT
- ไม่แนะนำให้ใช้ฟังก์ชันดังกล่าวในการคาดการณ์ค่าสำหรับนิพจน์เป้าหมายแบบรวมโดยใช้ AVG, MEDIAN, MIN, หรือ MAX
- ฟังก์ชันดังกล่าวควรใช้ตัวคาดการณ์ที่อยู่ในระดับของรายละเอียดเดียวกันหรือสูงกว่าการแสดงเป็นภาพ